#4.2.1 - Represente este resultado como um grfico de barras e um dotplot (funo dotchart).

cervejas <- c ("chope","lata","garrafa","chope","garrafa", "garrafa","lata","lata","nenhuma","lata","garrafa","garrafa", "garrafa","lata","lata","lata","garrafa","lata","chope","nenhuma", "garrafa","garrafa","garrafa","chope","garrafa","garrafa","chope","garrafa","lata","lata")
cervejas
str(cervejas)
cervejas <- as.factor(cervejas)
cervejas
barplot(table(cervejas))
dotchart(table(cervejas))

#4.2.2 - Qual tem maior razo dado/tinta? dotplot.

#4.3.1 - Construa um histograma do dap dos fustes dos caixetais.

caixeta <- read.csv("caixeta.csv", sep=",", as.is=T)

names(caixeta)
str(caixeta)
caixeta
caixeta$DAP <- caixeta$cap/pi 
hist.DAP <- hist(caixeta$DAP) 

#4.3.2 - Construa histogramas da altura das rvores para os diferentes caixetais ('local').

hist(caixeta$h[caixeta$local=="chauas"])
hist(caixeta$h[caixeta$local=="jureia"])
hist(caixeta$h[caixeta$local=="retiro"])

#4.3.3 - H diferenas entre as estruturas (distribuio de tamanhos) dos caixetais? Sim.
mean(caixeta$h[caixeta$local=="jureia"])
mean(caixeta$h[caixeta$local=="retiro"])  

#4.4.1 - Utilize o grfico boxplot para analisar o DAP de rvores de E. grandis em funo das variveis regio (regiao) e rotao (rotacao).
eucalipto <- read.csv("egrandis.csv", header=T,sep=",", as.is=T)
eucalipto
names(eucalipto)
summary(eucalipto)
head(eucalipto)
boxplot(eucalipto$dap ~ eucalipto$regiao * eucalipto$rotacao, data=eucalipto)
qqnorm(eucalipto$dap)
qqline(eucalipto$dap)

#4.4.2 - Avalie a normalidade da altura do conjunto total de rvores com um grfico quantil-quantil contra a distribuio normal.  possvel determinar que a varvel dap no possui distribuio normal.


#4.5.1 - Analise a relao dap-altura ('dap' e 'h') em funo do caixetal (local) com a funo plot, mas somente para as rvores 2) de caixeta (Tabebuia cassinoides).
caixeta <- read.csv("caixeta.csv", sep=",", as.is=T)
caixeta
tabebuia <- subset(caixeta, caixeta$especie == "Tabebuia cassinoides")
tabebuia
tabebuia.chauas <- subset(tabebuia, tabebuia$local =="chauas")
tabebuia.chauas
tabebuia.jureia <- subset(tabebuia, tabebuia$local =="jureia")
tabebuia.jureia
tabebuia.retiro <- subset(tabebuia, tabebuia$local =="retiro")
tabebuia.retiro
tabebuia.chauas$area.basal <- (pi*(tabebuia.chauas$dap^2))/4
tabebuia.jureia$area.basal <- (pi*(tabebuia.jureia$dap^2))/4
tabebuia.retiro$area.basal <- (pi*(tabebuia.retiro$dap^2))/4
total.chauas <-  aggregate(tabebuia.chauas$area.basal, by=list(tabebuia.chauas$arvore), FUN=sum)
area.basal.jureia <- aggregate(tabebuia.jureia$area.basal, by=list(tabebuia.jureia$arvore), FUN=sum)
area.basal.retiro <- aggregate(tabebuia.retiro$area.basal, by=list(tabebuia.retiro$arvore), FUN=sum)
area.basal.chauas <- 2*(sqrt(area.basal.chauas/pi))
dap.total.jureia <- 2*(sqrt(area.basal.jureia/pi))
dap.total.retiro <- 2*(sqrt(area.basal.retiro/pi))
h.total.chauas <-  aggregate(tabebuia.chauas$h, by=list(tabebuia.chauas$arvore), FUN=sum)
h.total.jureia <- aggregate(tabebuia.jureia$h, by=list(tabebuia.jureia$arvore), FUN=sum)
h.total.retiro <- aggregate(tabebuia.retiro$h, by=list(tabebuia.retiro$arvore), FUN=sum)
dap.total.chauas <- as.numeric(dap.total.chauas$x)
h.total.chauas <- as.numeric(h.total.chauas$x)
dap.total.jureia <- as.numeric(dap.total.jureia$x)
h.total.jureia <- as.numeric(h.total.jureia$x)
dap.total.retiro <- as.numeric(dap.total.retiro$x)
h.total.retiro <- as.numeric(h.total.retiro$x)
par(mfrow=c(1,3))
plot(dap.total.chauas ~ h.total.chauas, xlab= "", ylab="tabebuia-h.arvore", main= "Chauas", col="black", cex=1, pch=16)
plot(dap.total.jureia ~ h.total.jureia, xlab= "tabebuia-dap.arvore", ylab="", main= "Jureia", col="red", cex=1, pch=17)
plot(dap.total.retiro ~ h.total.retiro, xlab= "", ylab="", main= "Retiro", col="green", cex=1, pch=18)

#4.5.2 - Para a mesma relao do item anterior, verifique linearidade com a funo scatter.smooth
par(mfrow=c(1,3))
scatter.smooth(dap.total.chauas ~ h.total.chauas, xlab= "", ylab="tabebuia-h.arvore", main= "Chauas", col="black", pch=16)
scatter.smooth(dap.total.jureia ~ h.total.jureia, xlab= "tabebuia-dap.arvore", ylab="", main= "Jureia", col="red", pch=17)
scatter.smooth(dap.total.retiro ~ h.total.retiro, xlab= "", ylab="", main= "Retiro", col="green", pch=18)

#4.5.3 - Utilizando o pacote lattice, analise a relao dap-altura ('dap' e 'h') em funo do caixetal (local), mas somente para as rvores 3) de caixeta (Tabebuia cassinoides).
require(lattice)
xyplot(dap.total.chauas ~ h.total.chauas, xlab="tabebuia-dap.arvore", ylab="tabebuia-h.arvore", main="Chauas", col="black", cex=1, pch=16)
xyplot(dap.total.jureia ~ h.total.jureia, xlab="tabebuia-dap.arvore", ylab="tabebuia-h.arvore", main="Jureia", col="red", cex=1, pch=17)
xyplot(dap.total.retiro ~ h.total.retiro, xlab="tabebuia-dap.arvore", ylab="tabebuia-h.arvore", main="Retiro", col="green", cex=1, pch=18)